| 👀 خبر در یک نگاه:
آمازون وب سرویس (AWS) سرورهای متن‌باز مبتنی بر Model Context Protocol را برای سرویس‌های ECS، EKS و زیرساخت‌های سرورلس منتشر کرده است. این سرورها به دستیارهای هوش مصنوعی کمک می‌کنند تا به اطلاعات به‌روز و زمینه‌ای دسترسی داشته باشند. در نتیجه فرایند توسعه و استقرار برنامه‌ها را آسان‌تر و دقیق‌تر انجام دهند. |
آمازون وب سرویس (AWS) مجموعه‌ای از سرورهای متن‌باز مبتنی بر MCP (Model Context Protocol) را در گیت‌هاب منتشر کرده است. این سرورها برای سه دسته از خدمات AWS ارائه شده‌اند:
- سرویس کانتینرهای الاستیک آمازون (Amazon Elastic Container Service – Amazon ECS)
- سرویس کوبرنتیز الاستیک آمازون (Amazon Elastic Kubernetes Service – Amazon EKS)
- محیط‌های بدون سرور (Serverless)
این سرورها به دستیاران توسعه مبتنی بر هوش مصنوعی، مانند Amazon Q Developer، کمک می‌کنند تا به اطلاعات به‌روز و مرتبط با این خدمات دسترسی داشته و عملکرد بهینه‌تر و دقیق‌تری ارائه دهند.
| 💡 سرورهای MCP اطلاعات به‌روز و زمینه‌ای مربوط به خدمات AWS را در اختیار دستیارهای هوش مصنوعی قرار می‌دهند. این موضوع به توسعه‌دهندگان کمک می‌کند تا با استفاده از ابزارهای پیشرفته‌تر، برنامه‌های خود را سریع‌تر، با دقت بیشتر و با خطاهای کمتر توسعه داده و مستقر کنند. |
در حالی که مدل‌های زبانی بزرگ (LLM) که در دستیارهای هوش مصنوعی به کار می‌روند، معمولا بر مستندات عمومی تکیه دارند، سرورهای MCP اطلاعات زمینه‌ای به‌روز و راهنمایی‌های اختصاصی هر سرویس را در اختیار آن‌ها قرار می‌دهند. به این ترتیب، توسعه‌دهندگان می‌توانند راهنمایی‌های دقیق‌تری دریافت کنند و هنگام ساخت و استقرار برنامه‌ها روی AWS، از بروز خطاهای رایج پیشگیری کنند.
هاریهاران اسواران (Hariharan Eswaran) در یک پست در مدیوم این موضوع را این‌گونه جمع‌بندی کرده است:
«راه‌اندازی سرورهای MCP به معنای توانمندسازی توسعه‌دهندگان با ابزارهایی است که با پیچیدگی برنامه‌های مدرن بومی‌سازی‌شده برای فضای ابری (cloud-native) هماهنگ هستند. چه در حال استقرار کانتینرها باشید، چه در مدیریت کوبرنتیز یا استفاده از معماری سرورلس، سرورهای MCP به دستیار هوش مصنوعی شما این امکان را می‌دهند که همانند یکی از اعضای تیم، زیرساخت را مدیریت کند؛ نه صرفا مانند یک چت‌بات ساده.»
علاوه بر این، به گفته شرکت، استفاده از این راهکارهای متن‌باز به توسعه‌دهندگان این فرصت را می‌دهد که فرایند توسعه برنامه‌های خود را با بهره‌گیری از دانش به‌روز درباره قابلیت‌ها و پیکربندی‌های AWS، مستقیما در محیط‌های توسعه یکپارچه (IDE) یا از طریق خط فرمان (CLI) سرعت ببخشند.
| 💡 سرورهای MCP برای Amazon ECS، EKS و Serverless با زبان طبیعی، پیکربندی، عیب‌یابی و راهنمایی زمینه‌ای را ساده کرده و توسعه و استقرار برنامه‌ها را سریع‌تر و دقیق‌تر می‌کنند. |
ویژگی‌ها و مزایای کلیدی شامل موارد زیر است:
- سرور MCP آمازون ECS: با استفاده از زبان طبیعی، استقرار برنامه‌های کانتینری در Amazon ECS را ساده می‌کند و منابع لازم AWS مثل لود بالانسرها، شبکه‌بندی (Networking)، مقیاس‌گذاری خودکار و تعریف وظایف را پیکربندی می‌کند. همچنین در عملیات کلاستر و عیب‌یابی لحظه‌ای کمک می‌کند.
- سرور MCP آمازون EKS: اطلاعات به‌روز و زمینه‌ای درباره محیط‌های خاص EKS، شامل جدیدترین قابلیت‌ها (Features)، پایگاه دانش و وضعیت کلاستر را در اختیار دستیارهای هوش مصنوعی قرار می‌دهد. این موضوع راهنمایی دقیق‌تری در طول چرخه حیات برنامه‌های کوبرنتیز فراهم می‌کند.
- سرور MCP سرورلس AWS: تجربه توسعه سرورلس را با ارائه دانش جامع درباره الگوهای سرورلس، بهترین شیوه‌ها و خدمات AWS بهبود می‌بخشد. ادغام با رابط خط فرمان مدل برنامه سرورلس آمازون (AWS SAM CLI) چرخه عمر توابع و استقرار زیرساخت را ساده می‌کند. همچنین راهنمایی زمینه‌ای (Contextual Guidance) برای تصمیم‌گیری‌های زیرساخت به عنوان کد (Infrastructure as Code) و بهترین شیوه‌های AWS Lambda ارائه می‌دهد.
| 💡 سرورهای MCP برای Amazon ECS، Amazon EKS و محیط‌های سرورلس، فرایندهایی مانند پیکربندی، عیب‌یابی و ارائه راهنمایی‌های زمینه‌ای را از طریق زبان طبیعی ساده می‌کنند. این قابلیت‌ها به توسعه‌دهندگان کمک می‌کند تا برنامه‌های خود را با سرعت و دقت بیشتری توسعه داده و مستقر کنند. |
در این اطلاعیه، نمونه‌های کاربردی از استفاده سرورهای MCP همراه با Amazon Q CLI ارائه شده است؛ نمونه‌هایی که در آن‌ها با استفاده از دستورات زبان طبیعی، برنامه‌هایی برای تحلیل رسانه (در معماری‌های سرورلس و کانتینری بر بستر ECS) و همچنین یک برنامه وب روی EKS ساخته و مستقر می‌شوند.
این مثال‌ها نشان می‌دهند که دستیار هوش مصنوعی، با بهره‌گیری از اطلاعات زمینه‌ای فراهم‌شده توسط سرورهای MCP، قادر است:
- ابزارهای موردنیاز را شناسایی کند،
- پیکربندی‌ها را تولید نماید،
- خطاها را عیب‌یابی کند،
- و حتی کدها را بازبینی کند.
این اعلامیه بازخورد مثبتی از سوی جامعه توسعه‌دهندگان در شبکه‌های مختلف به همراه داشته است. به عنوان نمونه، مانیگاندا (Maniganda) در کامنتی زیر یکی از پست‌های لینکدین، هیجان خود را این‌گونه ابراز کرد:
«توانایی هوش مصنوعی برای تعامل لحظه‌ای با خدمات محاسباتی AWS، بدون شک فرایندها را ساده‌تر کرده و بهره‌وری را افزایش می‌دهد. بی‌صبرانه منتظرم ببینم این چارچوب متن‌باز چگونه تکامل می‌یابد و چه تاثیری بر مدیریت کوبرنتیز خواهد گذاشت.»
کاربران می‌توانند با مراجعه به مخزن GitHub متعلق به AWS Labs، به راهنمای نصب و پیکربندی‌ها دسترسی پیدا کنند. این مخزن همچنین شامل سرورهای MCP است که امکان تبدیل توابع موجود AWS Lambda به ابزارهای قابل استفاده برای هوش مصنوعی را فراهم می‌کنند، و همچنین دسترسی به پایگاه‌های دانش Amazon Bedrock را ممکن می‌سازند.
منبع: infoq.com
دیدگاهتان را بنویسید